Generative Design of Periodic Orbits in the Restricted Three-Body Problem

要約

三体問題は何世紀にもわたって科学者を魅了しており、現代の宇宙ミッションの設計において極めて重要です。
生成人工知能の最近の開発は、この長年の問題に対処するための変革的な可能性を秘めています。
この研究では、変分オートエンコーダ (VAE) とその内部表現を使用して周期軌道を生成する方法を調査します。
私たちは、円制限三体問題 (CR3BP) の周期軌道の包括的なデータセットを利用して、主要な軌道特性を捕捉する深層学習アーキテクチャをトレーニングし、生成された軌道の物理的評価メトリクスを設定します。
この調査を通じて、私たちはジェネレーティブ AI がどのように宇宙ミッション計画と天文力学の研究を改善し、この分野での新しいデータ駆動型のアプローチにつながるかについての理解を深めようとしています。

要約(オリジナル)

The Three-Body Problem has fascinated scientists for centuries and it has been crucial in the design of modern space missions. Recent developments in Generative Artificial Intelligence hold transformative promise for addressing this longstanding problem. This work investigates the use of Variational Autoencoder (VAE) and its internal representation to generate periodic orbits. We utilize a comprehensive dataset of periodic orbits in the Circular Restricted Three-Body Problem (CR3BP) to train deep-learning architectures that capture key orbital characteristics, and we set up physical evaluation metrics for the generated trajectories. Through this investigation, we seek to enhance the understanding of how Generative AI can improve space mission planning and astrodynamics research, leading to novel, data-driven approaches in the field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google